感谢您发送咨询!我们的团队成员将很快与您联系。
感谢您发送预订!我们的团队成员将很快与您联系。
课程大纲
监督学习:分类和回归
- Python 中的 Machine Learning:scikit-learn API 简介
- 线性回归和逻辑回归
- 支持向量机
- 神经网络
- 随机森林
- 使用 scikit-learn 设置端到端监督学习管道
- 使用数据文件
- 缺失值的插补
- 处理分类变量
- 可视化数据
Python 人工智能应用框架:
- TensorFlow、Theano、Caffe和Keras
- 使用 Apache Spark 的大规模 AI:Mlib
高级神经网络架构
- 用于图像分析的卷积神经网络
- 用于时间结构数据的递归神经网络
- 长短期记忆细胞
无监督学习:聚类、异常检测
- 使用 scikit-learn 实现主成分分析
- 在 Keras 中实现自动编码器
AI 可以解决的问题的实际示例(使用 Jupyter 笔记本的动手练习),例如
- 图像分析
- 预测复杂的财务序列,例如股票价格,
- 复杂模式识别
- 自然语言处理
- 推荐系统
了解 AI 方法的局限性:失败模式、成本和常见困难
- 过拟合
- 偏差/方差权衡
- 观察数据中的偏倚
- 神经网络中毒
应用项目工作(可选)
要求
参加本课程不需要任何特定要求。
28 小时
客户评论 (2)
That it was applying real company data. Trainer had a very good approach by making trainees participate and compete
Jimena Esquivel - Zaklad Uslugowy Hakoman Andrzej Cybulski
课程 - Applied AI from Scratch in Python
The trainer was a professional in the subject field and related theory with application excellently